如何用group_by()为时间区间生成均值列并添加至数据集

要实现按每5年区间计算均值并填充到对应行的需求，我们可以借助dplyr包的group_by()和mutate()函数完成，具体步骤如下：

完整实现代码 #

# 加载dplyr包
library(dplyr)

# 原始数据集
anos <- 1988:2020
valores <- c(15, 18, 20, NA, 25, 27, 28, NA, 32, 35, 36, 38, 40, 
             42, 45, 46, NA, 50, 52, 55, 56, 58, 60, NA, 65, 66, 
             68, 70, 72, 75, 76, 78, 80)
dataset <- data.frame(Ano = anos, Valor = valores)

# 生成分组标识并计算区间均值
dataset <- dataset %>%
  # 按每5年一组生成分组ID，最后不足5年的自动归为最后一组
  mutate(grupo = floor((Ano - min(Ano)) / 5)) %>%
  # 按分组ID分组
  group_by(grupo) %>%
  # 计算每组均值（忽略NA值），并添加为新列Medias
  mutate(Medias = mean(Valor, na.rm = TRUE)) %>%
  # 取消分组（可选，后续操作不需要分组时建议取消）
  ungroup() %>%
  # 移除临时的grupo列（可选，根据需求保留或删除）
  select(-grupo)

# 查看结果
print(dataset)

关键逻辑说明 #

• 分组标识生成：floor((Ano - min(Ano)) / 5) 以起始年份（1988）为基准，将年份转换为分组编号。例如：
  • 1988-1992年：(1988-1988)/5=0，(1992-1988)/5=0.8，floor后均为0，属于同一组
  • 最后一组2018-2020年：(2020-1988)/5=6.4，floor后为6，单独成组
• 均值计算：mean(Valor, na.rm = TRUE) 自动忽略数据中的NA值，确保均值计算准确
• 填充逻辑：mutate()会将每组的均值重复填充到该组的所有行中，完全符合需求

结果验证 #

运行代码后生成的Medias列与你提供的期望结果完全一致：

• 1988-1992年均值为19.5
• 1993-1997年均值为30.5
• ...
• 2018-2020年均值为78

内容的提问来源于stack exchange，提问作者Pedro Cardoso